detectSIFTFeatures

检测尺度不变特征变换 (SIFT) 特征

自 R2021b 起

语法

points = detectSIFTFeatures(I)

points = detectSIFTFeatures(I,Name=Value)

说明

points = detectSIFTFeatures(I) 在二维灰度或二值输入图像 I 中检测 SIFT 特征，并返回一个 SIFTPoints 对象。detectSIFTFeatures 函数实现了尺度不变特征变换 (SIFT) 算法，用于在图像中查找局部特征。

示例

points = detectSIFTFeatures(I,Name=Value) 支持上述语法中的任何参量组合，且可使用一个或多个名称-值参量指定选项。例如，detectSIFTFeatures(I,ContrastThreshold=0.0133) 会检测对比度小于 0.0133 的 SIFT 特征。

示例

全部折叠

检测兴趣点并标记位置

打开实时脚本

加载一个图像。

I = imread('cameraman.tif');

在图像中检测 SIFT 特征。

points = detectSIFTFeatures(I);

显示结果。

imshow(I);
hold on;
plot(points.selectStrongest(10))

Figure contains an axes object. The hidden axes object contains 3 objects of type image, line. One or more of the lines displays its values using only markers

输入参数

全部折叠

`I` — 输入图像
M×N 灰度图像或二值图像

输入图像，指定为 M×N 二维灰度或二值图像。输入图像必须是实数且非稀疏值。

名称-值参数

全部折叠

示例: detectSIFTFeatures(I,ContrastThreshold=0.0133) 检测对比度小于 0.0133 的 SIFT 特征。

将可选参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量之后，但对各个参量对组的顺序没有要求。

`ContrastThreshold` — 对比度阈值
`0.0133` (默认) | 取值范围在 [`0`,`1`] 内的非负标量

用于选择最强特征的对比度阈值，指定为 [0,1] 范围内的非负标量。阈值用于过滤掉图像中低对比度区域内的微弱特征。提高对比度阈值，以减少返回的特征数量。

`EdgeThreshold` — 边缘阈值
`10.0` (默认) | 非负标量

边缘阈值，指定为一个不小于 1 的非负标量。阈值用于过滤图像中容易受噪声影响的不稳定边缘状特征。提高边缘阈值，以减少过滤过程中被移除的特征数量。

`NumLayersInOctave` — 每个倍频程中的层数
`3` (默认) | 整数标量

每个倍频程中的层数，指定为一个大于或等于 1 的整数标量。八度数是根据图像分辨率自动计算得出的。增加每个八度内的层数，以检测图像中的更大特征。

`Sigma` — 高斯函数的 sigma 值
`1.6` (默认) | 标量

高斯函数的 sigma 值，指定为标量。在初始八度上，将高斯分布的标准差应用于输入图像。西格玛值通常在 [1,2] 范围内。如果图像模糊，请降低σ值。

`ROI` — 感兴趣区域
`[1 1 M N]` (默认) | 四元素向量

关键点检测的感兴趣区域，指定为由 'ROI' 和一个格式为 [x y width height] 的向量组成的、以逗号分隔的元组。前两个元素表示感兴趣区域左上角的位置。最后两个元素分别表示感兴趣区域的宽度和高度。感兴趣区域的宽度和高度必须各自大于或等于 63 的值。

输出参量

全部折叠

`points` — SIFT 特征
`SIFTPoints` 对象

SIFT 特征，以 SIFTPoints 对象的形式返回。该对象包含在二维灰度或二值图像中检测到的 SIFT 特征的相关信息。

参考

[1] Lowe, David G. "Distinctive Image Features from Scale-Invariant Keypoints." International Journal of Computer Vision 60, no. 2 (November 2004): 91--110.

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

使用链接到 OpenCV 库的 C++ 编译器生成可移植的 C 代码。请参阅Portable C Code Generation for Functions That Use OpenCV Library。
代码生成不支持该函数返回的点要素对象数组。相反，应使用 Location 属性来获取一个 M×2 的坐标矩阵：
```
locations = points.Location;
```

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

版本历史记录

在 R2021b 中推出

另请参阅

detectSIFTFeatures

语法

说明

示例

检测兴趣点并标记位置

输入参数

I — 输入图像 M×N 灰度图像或二值图像

名称-值参数

ContrastThreshold — 对比度阈值 0.0133 (默认) | 取值范围在 [0,1] 内的非负标量

EdgeThreshold — 边缘阈值 10.0 (默认) | 非负标量

NumLayersInOctave — 每个倍频程中的层数 3 (默认) | 整数标量

Sigma — 高斯函数的 sigma 值 1.6 (默认) | 标量

ROI — 感兴趣区域 [1 1 M N] (默认) | 四元素向量

输出参量

points — SIFT 特征 SIFTPoints 对象

参考

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

版本历史记录

另请参阅

对象

函数

主题

`I` — 输入图像
M×N 灰度图像或二值图像

`ContrastThreshold` — 对比度阈值
`0.0133` (默认) | 取值范围在 [`0`,`1`] 内的非负标量

`EdgeThreshold` — 边缘阈值
`10.0` (默认) | 非负标量

`NumLayersInOctave` — 每个倍频程中的层数
`3` (默认) | 整数标量

`Sigma` — 高斯函数的 sigma 值
`1.6` (默认) | 标量

`ROI` — 感兴趣区域
`[1 1 M N]` (默认) | 四元素向量

`points` — SIFT 特征
`SIFTPoints` 对象

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。